目录

第1章人工智能概述1

1.1人工智能基础1

1.1.1人工智能的定义与范畴1

1.1.2人工智能的发展历程2

1.1.3人工智能的基本要素3

1.2人工智能的分类6

1.2.1弱人工智能（狭义人工智能）6

1.2.2强人工智能（通用人工智能）7

1.2.3超人工智能（假设性概念）7

1.3人工智能的关键技术8

1.3.1机器学习8

1.3.2深度学习9

1.3.3自然语言处理12

1.3.4计算机视觉13

1.4人工智能的应用领域15

1.4.1智能家居与物联网16

1.4.2医疗健康18

1.4.3金融科技19

1.4.4智能制造与自动化20

1.4.5交通与物流21

1.5我国人工智能应用现状与未来展望23

1.5.1我国人工智能技术现状与发展趋势23

1.5.2智慧未来： 挑战与机遇24

1.6本章小结26

课后思考题27

第2章Python编程语言初探28

2.1Python语言概述28

2.1.1Python起源与发展28

2.1.2Python的特点与优势29

2.1.3Python的应用领域29

2.2Python开发环境配置30

2.2.1Python安装过程30

2.2.2Python IDE与PyCharm代码编辑器35

2.2.3Jupyter Notebook与Anaconda简介38

2.3Python基本语法39

2.3.1代码缩进、注释与标识符39

2.3.2基本数据类型、复合数据类型与变量40

2.3.3运算符与表达式43

2.3.4流程控制结构44

2.4Python编程实例48

2.4.1函数与模块概述48

2.4.2Python模块化编程实例——使用openpyxl模块操作

Excel文件50

2.4.3Python面向对象编程实例53

2.4.4Python数据库编程实例57

2.5Python AI开发实例58

2.5.1常用AI开发库简介58

2.5.2综合案例1——数据分析与可视化61

2.5.3综合案例2——数据清洗与统计使用62

2.6本章小结65

课后思考题66

第3章数据挖掘基础67

3.1数据挖掘概述67

3.1.1大数据与信息爆炸67

3.1.2什么是数据挖掘69

3.1.3数据挖掘的应用领域70

3.1.4数据挖掘的主要任务71

3.2数据挖掘方法72

3.2.1分类预测72

3.2.2聚类分析74

3.2.3关联规则分析77

3.2.4回归预测78

3.3数据挖掘工具79

3.3.1开源工具79

3.3.2商业工具81

3.4数据挖掘的挑战、应用与发展趋势85

3.4.1数据挖掘面临的挑战85

3.4.2数据挖掘的未来趋势86

3.4.3数据挖掘技术在我国的应用现状88

3.4.4数据挖掘技术在我国的应用成果89

3.4.5数据挖掘技术在我国的未来发展91

3.5本章小结92

课后思考题92

第4章初识机器学习94

4.1机器学习基础94

4.1.1机器学习的定义与重要性94

4.1.2机器学习的基本流程96

4.2监督学习98

4.2.1监督学习概述98

4.2.2常见的监督学习算法100

4.2.3监督学习应用实例102

4.3无监督学习103

4.3.1无监督学习概述104

4.3.2常见的无监督学习算法105

4.3.3无监督学习应用实例110

4.4机器学习的重要概念113

4.4.1模型评估与性能指标113

4.4.2过拟合与欠拟合115

4.4.3特征工程115

4.4.4模型选择与调优117

4.5本章小结119

课后思考题120

第5章神经网络的起源122

5.1人工神经网络122

5.1.1神经网络的思想起源122

5.1.2神经元的数学模型124

5.1.3感知机算法125

5.1.4多层神经网络127

5.2卷积神经网络基础128

5.2.1卷积层129

5.2.2互相关运算129

5.2.3步幅和填充130

5.2.4池化层135

5.2.5全连接层136

5.2.6输出层137

5.3卷积神经网络模型简介138

5.3.1LeNet139

5.3.2AlexNet141

5.4神经网络的发展与应用143

5.4.1卷积神经网络的发展与应用143

5.4.2其他神经网络的发展与应用145

5.5本章小结149

课后思考题150

第6章经典人工智能算法152

6.1遗传算法152

6.1.1遗传算法的产生与发展152

6.1.2遗传学基本知识154

6.1.3遗传算法概要157

6.1.4遗传编码与适应度函数158

6.1.5基本遗传操作160

6.1.6遗传算法应用简例163

6.1.7遗传算法的应用情况166

6.2蚁群算法167

6.2.1算法思想的渊源168

6.2.2蚁群算法概述169

6.2.3研究历程171

6.2.4算法的实现方式172

6.2.5蚂蚁系统的应用实例175

6.2.6蚂蚁算法的改进178

6.2.7应用现状179

6.3粒子群优化算法180

6.3.1算法思想的渊源180

6.3.2算法的基本原理181

6.3.3算法的基本流程184

6.3.4应用实例186

6.3.5算法的改进189

6.3.6算法的应用现状190

6.4经典智能优化算法的比较与发展190

6.4.13种算法的对比分析191

6.4.2经典智能优化算法的改进方向196

6.4.3未来发展趋势197

6.5本章小结198

课后思考题198

第7章我国人工智能开放平台199

7.1人工智能开放平台概述199

7.1.1人工智能开放平台的定义与作用200

7.1.2我国人工智能开放平台的发展现状202

7.1.3人工智能开放平台的分类202

7.2综合性人工智能开放平台203

7.2.1百度人工智能平台204

7.2.2阿里云人工智能平台211

7.2.3腾讯云人工智能平台213

7.2.4综合性人工智能开放平台对比214

7.3垂直领域人工智能开放平台215

7.3.1科大讯飞开放平台215

7.3.2商汤科技开放平台218

7.3.3旷视科技开放平台218

7.3.4垂直领域人工智能开放平台对比219

7.4人工智能开放平台的挑战与未来趋势220

7.4.1平台面临的挑战220

7.4.2平台的未来发展趋势222

7.5本章小结223

课后思考题223

第8章大语言模型——从ChatGPT到DeepSeek224

8.1ChatGPT——大语言模型的“老大哥”225

8.1.1ChatGPT主要功能225

8.1.2ChatGPT社会应用226

8.1.3ChatGPT使用争议227

8.1.4如何正确使用ChatGPT228

8.1.5一些国内的ChatGPT网站229

8.2DeepSeek——国产大语言模型的“扛把子”231

8.2.1DeepSeek应用场景及功能服务231

8.2.2DeepSeek核心技术233

8.2.3DeepSeek在我国的社会影响234

8.2.4DeepSeek的简单应用235

8.3其他国产大语言模型工具简介239

8.3.1豆包239

8.3.2Kimi240

8.3.3通义千问241

8.3.4讯飞星火242

8.4本章小结244

课后思考题245

附录A“人工智能+”将成为每个行业的核心驱动力246

附录B大语言模型的伦理干预249

附录CDeepSeek赋能中华优秀传统文化的实践之路252

参考文献256